|
|
相关文章推荐
|
玩滑板的小虾米 · Django 使用 Markdown ...· 1 年前 · |
|
|
奔跑的斑马 · python将字符串写入文本文件_mob64 ...· 1 年前 · |
|
|
买醉的煎饼果子 · 尚硅谷SQL刷题练习 - MrSponge ...· 1 年前 · |
|
|
冷静的脆皮肠 · go - Weird syntax in ...· 1 年前 · |
产品规格
软件工具
产品优势
应用场景
客户案例
文档与工具
特惠精选
计算型GPU
弹性裸金属GPU
轻量型GPU
含光800 NPU
V100-16G卡GN6v GPU云服务器
16G显存V100计算卡，最高配置336G DDR4内存
实例
8核32G
购买时长
1 个月
数量
1
请 登录 后了解优惠价格
点击立即购买，获取最新价格
A10卡GN7i GPU云服务器
24G显存A10计算卡，最高配置752G DDR4内存
实例
32核188G
购买时长
1 个月
数量
1
请 登录 后了解优惠价格
点击立即购买，获取最新价格
T4卡GN6i GPU云服务器
16G显存T4计算卡，最高配置372G DDR4内存
实例
4核15G
购买时长
1 个月
数量
1
请 登录 后了解优惠价格
点击立即购买，获取最新价格
为您提升计算效率的GPU软件
阿里云为您提供专有的辅助工具
AIACC-Training
AIACC-Inference
FastGPU
cGPU
EAIS
神龙AI加速训练引擎
AIACC-Training是阿里云推出的神龙AI加速训练引擎，针对阿里云环境进行了深度优化，能够显著提升分布式训练效率，大幅提高网络带宽利用率。目前，AIACC-Training已创造两项世界纪录：
斯坦福Dawnbench Imagenet 训练速度最快，世界第一
斯坦福Dawnbench Imagenet 训练成本最低，世界第一
斯坦福Dawnbench Imagenet 训练速度最快，世界第一
斯坦福Dawnbench Imagenet 训练成本最低，世界第一
能够提供
支持四种主流框架
Tensorflow, Pytorch, MXNet和Caffe四种分布式训练框架
性能提升50%至300%
适用于带宽密度的网络模型
单机多卡/多机多卡间高性能通信
支持FP16梯度压缩及混合精度压缩
MXNet的API扩展
支持insightface类型的数据+模型并行
RDMA网络深度优化
支持混合链路通信（RDMA+VPC）
推荐搭配使用
神龙AI加速推理引擎
AIACC-Inference是阿里云推出的神龙AI加速推理引擎，针对阿里云环境进行了深度优化，能够显著提升GPU利用率，大幅提高推理业务性能。目前，AIACC-Inference已创造两项世界纪录：
斯坦福Dawnbench Imagenet 推理延迟最低，世界第一
斯坦福Dawnbench Imagenet 推理成本最低，世界第一
斯坦福Dawnbench Imagenet 推理延迟最低，世界第一
斯坦福Dawnbench Imagenet 推理成本最低，世界第一
能够提供
支持多个框架
Tensorflow, Pytorch, MXNet及其它可导出ONNX模型的深度学习框架进行GPU推理优化
性能提升30%至400%
适用于计算密集的网络模型
支持两种精度模型
FP32和FP16两种精度的模型优化
推荐搭配使用
阿里云弹性加速计算实例
Alibaba Elastic Accelerated Computing Instances(EAIS)是一款弹性加速计算实例，可在Alibaba ECS实例中灵活添加GPU加速资源。您可以针对您的应用程序的整体计算和内存需求在 Alibaba Cloud 中选择最适用的ECS实例，然后再配置所需量级的 GPU 驱动推理加速，有效利用资源，同时火速节约成本高达50%。
能够提供
推理成本降低50%
满足用户选择最合适应用的ECS总体计算实例类型，单独制定所需GPU推理加速量级，相比GPU推理实例成本降低50%
灵活的CPU与GPU配比
根据用户需求灵活配比CPU和GPU资源，准确获取用户需求
弹性伸缩
轻松扩展和缩减推理加速量级，有助于用户仅为所需资源付费
推荐搭配使用
深度学习
图形可视化
视频处理
科学计算
业内领先解决方案，超强性能
适用于工程模拟和分析的业内领先解决方案能够提供高性能、可扩展性及企业级可靠性。借助GPU超大显存容量和超强性能，利用所需计算能力执行复杂模拟并解决极具挑战性的问题。
能够解决
优化的解决方案
进行负责CFD建模，极大缩短解决时间
加速计算电磁学的电子设计
在设计高性能电子产品和组件时，模拟电磁性能，准确预测电磁辐射、干扰和信号传输
工程模拟
在云端，提升工作效率，并让IT部门节省预算开支的应用虚拟化
推荐搭配使用
高清视频处理，最佳展示
在视频处理领域同样存在计算量大，处理时间长的问题，而GPU因其计算任务高并行度，可以用于优化。目前GPU主要被用于大规模高清视频转码，4K/8K高清直播，多人视频会议、片源修复等领域
能够解决
高性能
优化程度高，提高计算性能
强计算力
快速处理多帧数据，提供处理大量计算任务的算力
推荐搭配使用
深势科技
基于阿里云的弹性供应方案结合抢占式GPU实例，能够快速低成本地获取所需的算力资源。
流利说
云上GPU按需购买，同时可以以比较低成本进行硬件升级。丰富的云上生态也减轻系统搭建和运维成本。
小牛翻译
GPU弹性使用方案，提供灵活充足的GPU运算资源，随时用随时申请。
推荐文章